【技术实现步骤摘要】
本专利技术属于计算机视觉检测，具体涉及一种基于支持向量机的热轧带钢表面缺陷分类方法。
技术介绍
1、在经济水平和科学技术迅猛发展的今天，钢铁工业作为经济发展的基础产业和战略产业将面临新的挑战和新的机遇。热轧带钢的生产能力是评价国家工业能力的一个重要标杆，其以优异的表面质量和机器性能广泛应用于高精尖行业领域。
2、在实际的热轧带钢生产过程中，由于多种物理和化学因素以及复杂的热轧工艺，带钢表面常容易出现多种缺陷，如氧化皮、划痕、麻面、夹杂、斑块、裂缝等，这些缺陷缺陷不仅降低了其表面质量，而且还会降低最终成品的抗腐蚀性、耐磨性和疲劳强度等性能，给生产企业带来了不小的经济损失。
3、经调研，热轧带钢表面缺陷类型存在背景复杂，此外，热轧带钢表面的缺陷形态多样，类内差异大，类间相似性高，这增加了对其进行缺陷识别算法开发的难度。因此，开发一种高效的热轧带钢表面缺陷分类方法具有重要的实际应用意义。
4、支持向量机在解决非线性、高维数据决策问题时具有较强的推广能力，相比较传统的人工目视方法，基于自定义核函数支持向量机模...
【技术保护点】
1.一种基于支持向量机的热轧带钢表面缺陷分类方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于支持向量机的热轧带钢表面缺陷分类方法，其特征在于，所述步骤S2中，所述网格搜索用于优化二分类支持向量机模型的惩罚因子C，C的搜索范围为[0.01,0.1,1,10,100]。
3.根据权利要求1所述的基于支持向量机的热轧带钢表面缺陷分类方法，所述步骤S3中，包括对图像进行纹理特征、灰度特征、几何特征、投影特征和小波特征五个维度提取带钢表面缺陷图像的多维特征。
4.根据权利要求1所述的基于支持向量机的热轧带钢表面缺陷分类方法，其特...
【技术特征摘要】
1.一种基于支持向量机的热轧带钢表面缺陷分类方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于支持向量机的热轧带钢表面缺陷分类方法，其特征在于，所述步骤s2中，所述网格搜索用于优化二分类支持向量机模型的惩罚因子c，c的搜索范围为[0.01,0.1,1,10,100]。
3.根据权利要求1所述的基于支持向量机的热轧带钢表面缺陷分类方法，所述步骤s3中，包括对图像进行纹理特征、灰度特征、几何特征、投影特征和小波特征五个维度提取带钢表面缺陷图像的多维特征。
4.根据权利要求1所述的基于支持向量机的热轧带钢表面缺陷分类方法，其特征在于，所述步骤s4中，应用主成分分析法保留95％的数据方差，对特征数据降维，通过模型训练及交叉验证的方法，识别出对缺陷识别最关键的特征。
5.根据权利要求1所述的基于支持向量机的热轧带钢表面缺陷分类方法，其特征在于，所述步骤s5中，自定义核函数的支持向量机分类模型采用的核函数为kcustom(x,y)＝αklinear(x,y)+βkpoly(x,y)+γkrbf(x,y)...
【专利技术属性】
技术研发人员：李忠奎，王智毅，谢蓄芬，李明益，
申请(专利权)人：大连益盛达智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。